最近在证券行业、银行业、基金业，有一个词很火爆，那就是“智能投顾”，顾名思义，投顾一般是指投资顾问，就是在证券银行中的帮助客户提供投资建议的客户经理们。他们和一般的客户经理不太一样，往往是具备投顾从业资格的客户经理们。前面加一个智能就是通过大数据、机器等通过各种投资模型运算来为客户充当投资顾问的角色。
无论是现实中的投资顾问还是智能投顾，他们要解决的主要是以下几个问题：
资产管理
证券投资建议
理财规划
那智能投顾通过什么来帮助客户满足以上需求呢？
1、大数据
互联网科技最牛的地方就是数据计算能力，它所抓取的数据可以涵方方面面，各种投资工具的历史数据、各个行业的经济指标、地域人员数据等等
2、用户行为
建议每一个客户投资需求的时候往往我们需要了解他的投资习惯、风险承担能力、投资偏好等等。而智能机器则可以了解一个客户的历史交易记录、消费习惯等等更全方位的洞察客户的行为习惯。
3、算法及投资模型
无论是给个产品的收益还是客户行为都需要一定的算法。这些算法如果单纯依靠人类的话，那效率极为底下，好的产品很难筛选出来。同样，在证券和基金投资方面有很多国内外成熟的投资理论和模型。根据这些只能机器进行建模和运算。
国内智能投顾发展（以摩羯智投为例）
1、摩羯智投介绍
招商银行的客户群体很广，在银行中互联网发展也比较好。前一阵子推出了摩羯智投，一款以公募基金为数据库的智能投顾平台。这个名字起得很有特点，不知道是不是招行的摩羯座的群体更多，还是说摩羯这个星座更加智慧？O(∩_∩)O哈哈~
2、摩羯智投参与流程
这里提到了两个概念：
流动性安排
风险偏好
流动性安排这里指的是投资年限：用户可以选择0-1年、1-3年、3年以上。
风险等级有1-10个等级，数字越大，代表承受能力越高。
根据这两个维度，摩羯给出了两个运算后的数据：
模拟历史年化业绩
模拟历史年化波动率
通过模拟数据评估了采取此套方案后用户的投资收益情况。
根据客户的选择，后台进行运算。
运算结束，后台给出基金组合方案：包含配置类型与配置比例。并根据选出的产品按照此方案模拟近三年的数据。
通过查看我们看到详细的配置是多支基金，每支基金点击进去都能查看基金详情，包含简介、持仓、分红、净值和公告。
我再次尝试了其他的风险等级，系统给到我的是新的基金组合。
我们可以看到，两次的基金配置中基金标的绝大部分是相同的，只有少部分是不同的。区别主要在于比例上。两次不同的选择，系统给到的是摩羯8号和摩羯14号产品。
继续购买的话，会有一个风险评估，主要就是一些风险类相关的题目。
评估完成后，根据评估结果给出了适合的产品类型。
随后继续购买就能一键下单购买选择的基金组合了。
通过以上的流程我们可以发现：
数据结果是根据投资年限和风险承受来划分的，投资年限的选项有3中，风险承受有10种类型。这样两两搭配的话，会出多C3/1 *C10/1种投资风格。
两次选择后，组合中的基金标的大体相同，所以感觉应该是目标池也不是很大。应该是在众多基金中先筛选了一部分，在这些基金中做了多个组合。
从推荐的收益上，组合的产品预估收益也不是很高，而且收益波动也比较大。
风险评测应该前置，这样在客户做选择前就了解了自身的风险等级，如果客户觉得风险评测不准的话，可以再次测评。这样及早地过滤到不适合自己的基金。目前放在最后的话，对于之前所选择的产品感觉没有什么相关性。
一键下单功能很不错，同时处理多种基金份额不同的情况，不过没有真实买入成功，不知道后续有没有智能调仓的功能。
个性化服务，智能投顾如果在数据和客户行为上没法分析出很多客户的深度需求，往往需要客户提出自己比较明确的需求，例如哪些类型的产品客户不选择，就像吃饭一样有哪些忌口。在智能投顾没有很成熟的情况下，这样客户拿到的组合可能更是客户所期望的。纯粹的风险和投资年限两个指标的话，系统推送的产品同质化往往比较严重。
三、结论
通过一些数据和报告了解到目前美国的智能投顾已经比较成熟了，主要源于起步早，基金产品，尤其是ETF基金种类多，是目前国内ETF基金数量的12倍左右。同时美国的基金规模是中国的近30倍，所以在品种上，国内的选择还是比较有限。除此之外，目前中国智能投顾不太成熟的原因还在于，中国的股市和基金变化波动要比美国大很多。所以从历史遗漏问题上，目前政策环境和市场情况还不是很利于中国智能投顾的发展，但是可以从以下几个方面开始培育这个市场：
培养客户的投资习惯，从短线逐渐引导到长线当中。
与互联网公司合作，积累客户的数据除了证券基金数据外，逐步挖掘客户的行为习惯、消费理念等数据。
机器与人工相结合，探索多维度，优化客户体验。
